MétaCan
Menu
Retour à la cohorte
Enregistrement W2324066375 · doi:10.15353/rea.v7i2.1418

Quantitative Easing and the U.S. Stock Market: A Decision Tree Analysis

2016· article· en· W2324066375 sur OpenAlexvenueno aff
Ramaprasad Bhar, A. G. Malliaris, Mary Malliaris

Notice bibliographique

RevueReview of Economic Analysis · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueStock Market Forecasting Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuantitative easingStock marketDecision treeEconomicsFinancial economicsBusinessMonetary economicsEconometricsMonetary policyComputer scienceGeographyCentral bankContext (archaeology)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Financial Crisis of 2007-09 caused the U.S. economy to experience a relatively long recession from December 2007 to June 2009. Both the U.S. government and the Federal Reserve undertook expansive fiscal and monetary policies to minimize both the severity and length of the recession. Most notably, the Federal Reserve initiated three rounds of unconventional monetary policies known as Quantitative Easing. These policies were intended to reduce long-term interest rates when the short term federal funds rates had reached the zero lower bound and could not become negative. It was argued that the lowering of longer-term interest rates would help the stock market and thus the wealth of consumers. This paper investigates this hypothesis and concludes that quantitative easing has contributed to the observed increases in the stock market’s significant recovery since its crash due to the financial crisis

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0270,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,103
Tête enseignante GPT0,429
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetStock Market Forecasting MethodsTravaux en français237 207